Investigadores de la Universidad Estatal de Carolina del Norte, la Universidad de Carolina del Norte y la Universidad Estatal de Arizona han desarrollado un sistema inteligente para "ajustar" las rodillas protésicas eléctricas, permitiendo a los pacientes caminar cómodamente con el dispositivo protésico en minutos, en lugar de las horas necesarias si el dispositivo lo ajusta un médico capacitado. El sistema es el primero que se basa únicamente en el aprendizaje por refuerzo para ajustar la prótesis robótica.

Cuando un paciente recibe una prótesis de rodilla robótica, el dispositivo debe ajustarse para adaptarse a ese paciente específico. El nuevo sistema de ajuste ajusta 12 parámetros de control diferentes, abordar la dinámica de las prótesis, como rigidez articular, a lo largo de todo el ciclo de la marcha.

Normalmente, un médico humano trabaja con el paciente para modificar algunos parámetros. Esto puede llevar horas. El nuevo sistema se basa en un programa informático que utiliza el aprendizaje por refuerzo para modificar los 12 parámetros. Permite a los pacientes utilizar una prótesis de rodilla eléctrica para caminar sobre una superficie nivelada en unos 10 minutos.

"Comenzamos dándole al paciente una prótesis de rodilla motorizada con un conjunto de parámetros seleccionados al azar, "dice Helen Huang, coautor de un artículo sobre el trabajo y profesor en el Departamento Conjunto de Ingeniería Biomédica de NC State y UNC. "Luego hacemos que el paciente comience a caminar, bajo circunstancias controladas.

"Los datos sobre el dispositivo y la marcha del paciente se recopilan a través de un conjunto de sensores en el dispositivo, "Dice Huang." Un modelo de computadora adapta los parámetros del dispositivo y compara la marcha del paciente con el perfil de una marcha normal en tiempo real. El modelo puede indicar qué ajustes de parámetros mejoran el rendimiento y qué ajustes lo perjudican. Usando el aprendizaje por refuerzo, el modelo computacional puede identificar rápidamente el conjunto de parámetros que le permite al paciente caminar normalmente. Enfoques existentes, confiando en médicos capacitados, puede tomar medio día ".

Si bien el trabajo se realiza actualmente de forma controlada, entorno clínico, uno de los objetivos sería desarrollar una versión inalámbrica del sistema, lo que permitiría a los usuarios continuar ajustando los parámetros de la prótesis motorizada cuando se utiliza en entornos del mundo real.

"Este trabajo se realizó para escenarios en los que un paciente camina sobre una superficie nivelada, pero en principio, También podríamos desarrollar controladores de aprendizaje por refuerzo para situaciones como subir o bajar escaleras, "dice Jennie Si, coautor del artículo y profesor de electricidad, Ingeniería informática y energética en ASU.

"He trabajado en el aprendizaje por refuerzo desde la perspectiva del control del sistema dinámico, que tiene en cuenta el ruido del sensor, interferencia del medio ambiente, y la demanda de seguridad y estabilidad del sistema, "Si dice." Reconocí el desafío sin precedentes de aprender a controlar, en tiempo real, un dispositivo protésico que se ve afectado simultáneamente por el usuario humano. Este es un problema de coadaptación que no tiene una solución fácilmente disponible ni de los diseños de control clásicos ni del actual, Robots controlados de aprendizaje por refuerzo de última generación. Estamos encantados de descubrir que nuestro algoritmo de control de aprendizaje por refuerzo realmente aprendió a hacer que el dispositivo protésico funcione como parte del cuerpo humano en un entorno de aplicaciones tan emocionante ".

Huang dice que los investigadores esperan hacer que el proceso sea aún más eficiente. "Por ejemplo, creemos que podemos mejorar el proceso identificando combinaciones de parámetros que tienen más o menos probabilidades de éxito, y entrenar el modelo para que se centre primero en los ajustes de parámetros más prometedores ".

Los investigadores señalan que, si bien este trabajo es prometedor, Es necesario abordar muchas preguntas antes de que esté disponible para un uso generalizado.

"Por ejemplo, El objetivo de ajuste de la prótesis en este estudio es cumplir con el movimiento normativo de la rodilla al caminar, "Dice Huang." No consideramos otras características de la marcha (como la simetría de la marcha) o la preferencia del usuario. Por otro ejemplo, Nuestro método de ajuste se puede utilizar para ajustar el dispositivo fuera de las clínicas y laboratorios para que el sistema se adapte con el tiempo a las necesidades del usuario. Sin embargo, necesitamos garantizar la seguridad en el uso en el mundo real, ya que los errores de control pueden provocar tropiezos y caídas. Se necesitan pruebas adicionales para demostrar la seguridad ".

Los investigadores también señalan que, si el sistema demuestra ser eficaz y se utiliza de forma generalizada, Probablemente reduciría los costos para los pacientes al limitar la necesidad de que los pacientes realicen visitas clínicas para trabajar con los médicos.

El papel, "Control de aprendizaje por refuerzo en línea para la personalización de una prótesis de rodilla robótica, "se publica en la revista Transacciones IEEE sobre cibernética .